Name: 机器人运动智能：感知、规划与控制的数学原理及工程实现
Author: step-3.5-flash

机器人学体系与预备知识回顾

机器人学是融合机械工程、电子工程、计算机科学、人工智能等多学科领域的交叉学科，其核心目标是设计、制造和应用能够自主或半自主完成特定任务的智能系统。随着工业4.0、服务机器人普及、特种机器人探索等需求的爆发，机器人运动智能——即机器人通过感知环境、自主规划运动轨迹、精确执行动作的能力——已成为当前学术界和工业界的研究热点。本章首先梳理机器人学的学科分类与核心研究范畴，明确感知、规划、控制三大模块的功能定位与内在关联；随后回顾中级读者需掌握的核心预备知识，包括刚体运动学描述、坐标系变换、线性代数核心运算、概率论基础结论等内容；最后介绍本书的阅读路径、配套学习资源与工程实践环境搭建方法，帮助读者建立系统性的学习框架。

1.1 机器人学学科分类与核心研究范畴

当前机器人学的研究对象可按应用场景分为三大类：工业机器人、服务机器人与特种机器人，三类机器人的技术侧重点、性能指标与适用场景存在显著差异，但均围绕“感知-规划-控制”的核心技术框架展开。

1.1.1 工业机器人

工业机器人是面向制造业场景的自动化执行设备，核心特点是高负载、高重复定位精度、高稳定性，主要应用于焊接、装配、搬运、打磨等重复性劳动场景。典型的代表产品包括ABB IRB 1200工业机器人，其负载达12kg，重复定位精度为±0.03mm，工作半径可达1.45m，广泛用于汽车车身焊接、3C电子元器件装配等场景；KUKA LBR iiwa七自由度轻型协作机器人，具备力感知能力，可与人类工人协同作业，用于精密装配、质量检测等场景。工业机器人的研究重点集中在高精度运动学标定、刚性/柔性混合控制、多机器人协同调度等方向。

1.1.2 服务机器人

服务机器人面向民用、商用等非制造场景，核心特点是高交互性、高安全性、强环境适应性，覆盖家庭、医疗、商业、教育等多个领域。家庭场景的代表产品是科沃斯T20 Pro扫地机器人，采用2D激光SLAM导航技术，可自主构建家庭环境地图，规划清扫路径，避障精度达±1cm，续航时间可达180分钟；医疗场景的代表产品是达芬奇SP手术机器人，配备7自由度微创手术臂，末端执行器精度达0.1mm，可过滤人手的自然震颤，用于前列腺切除、心脏搭桥等微创外科手术；商用场景的代表产品是普渡科技的配送机器人，可在医院、写字楼等场景自主导航，完成药品、餐食的配送任务。服务机器人的研究重点集中在复杂环境下的语义感知、人机自然交互、动态环境下的实时规划等方向。

1.1.3 特种机器人

特种机器人面向极端、高危或特殊场景，核心特点是强环境适应性、高可靠性，覆盖太空探测、灾难救援、军事作战、深海探索等领域。太空探测领域的代表是中国航天局的祝融号火星车，采用轮式摇臂式结构，可在火星表面的岩石、沙尘环境中自主导航，完成土壤采样、地质探测、气象监测等任务，工作寿命设计为90个火星日；灾难救援领域的代表是波士顿动力Atlas人形机器人，可完成行走、奔跑、后空翻、搬运重物等复杂动作，能够在废墟、泥泞等复杂地形下作业，用于地震、火灾等灾害后的搜救任务；具身智能领域的代表是Figure 01通用人形机器人，搭载视觉-语言-动作（VLA）多模态大模型，可理解自然语言指令，完成家务整理、物品搬运、简单装配等通用任务，代表了当前机器人技术与人工智能融合的最新发展方向。特种机器人的研究重点集中在极端环境下的感知鲁棒性、未知场景下的自主决策、高动态环境下的运动控制等方向。

三类机器人的技术框架高度统一，均围绕“感知-规划-控制”三大核心模块展开，但不同场景下各模块的技术侧重点存在差异：工业机器人更强调控制的精度与稳定性，感知与规划模块相对简单；服务与特种机器人则更强调感知与规划的鲁棒性，以应对复杂多变的非结构化环境。

1.2 感知、规划、控制三大模块的功能定位与内在关联

机器人运动智能的实现依赖于三大模块的闭环协作：感知模块负责获取环境与机器人自身状态的信息，规划模块负责根据任务目标生成可执行的运动轨迹，控制模块负责驱动机器人精确跟踪生成的轨迹，三大模块的输入输出与协作关系可通过如下流程图直观展示： ```mermaid graph LR A[传感器输入 激光/视觉/IMU/编码器] --> B[感知模块 SLAM建图/障碍物检测/位姿估计] B --> C[规划模块 全局路径规划/局部避障/轨迹生成] C --> D[控制模块 位置控制/力控制/轨迹跟踪] D --> E[执行器输出 电机/舵机/液压缸] E --> F[环境交互] F --> A style B fill:#f9f,stroke:#333,stroke-width:2px style C fill:#9f9,stroke:#333,stroke-width:2px style D fill:#99f,stroke:#333,stroke-width:2px ```

1.2.1 感知模块：机器人感知环境的“眼睛与耳朵”

感知模块的核心功能是通过各类传感器获取机器人自身状态与外部环境的信息，是机器人实现自主决策的基础。根据传感器类型的不同，感知任务可分为以下几类： 1. **位

姿估计（Pose Estimation）是感知模块的核心任务之一，机器人的位姿包含3自由度位置（$p = [x, y, z]^T$）与3自由度姿态（通常用旋转矩阵、四元数或欧拉角表示），共6自由度状态。针对不同传感器平台，位姿估计的技术路线存在显著差异：2D激光雷达场景下常采用迭代最近点（ICP）算法，通过匹配连续帧的点云数据求解相对位姿变换，科沃斯T20 Pro扫地机器人正是基于该思路实现厘米级定位精度；视觉场景下则多采用PnP（Perspective-n-Point）算法，通过匹配2D图像特征点与3D地图点的对应关系求解相机位姿，ORB-SLAM3等开源视觉SLAM框架的位姿跟踪模块即基于此实现；对于极端环境下的机器人（如祝融号火星车），由于火星表面通信延迟高达20分钟，无法依赖地面实时控制，因此采用IMU与视觉紧耦合的视觉惯性里程计（VIO）技术，通过融合IMU的高频运动信息与视觉的绝对尺度信息，实现无GPS条件下的实时位姿估计，精度可达厘米级，是火星车自主导航的核心基础。

除位姿估计外，感知模块还承担环境建图、障碍物检测与语义理解三类核心任务：环境建图是将感知到的环境信息转化为结构化地图的过程，根据表达形式可分为度量地图与语义地图两类：前者以栅格地图、点云地图、ESDF（欧氏符号距离场）地图等形式存储环境的几何信息，是路径规划的基础输入，科沃斯扫地机器人构建的2D栅格地图将环境划分为占用（Occupied）、空闲（Free）、未知（Unknown）三类，分辨率可达5cm/格；后者则进一步标注环境中物体的语义类别（如墙壁、桌子、行人、车辆），是服务机器人实现语义导航、人机交互的基础。障碍物检测分为静态障碍物检测与动态障碍物检测两类：前者通过激光雷达点云聚类、视觉实例分割等方法识别环境中固定的障碍物（如墙壁、家具），后者则通过光流法、深度学习检测器（如YOLO系列）识别移动的行人、车辆等动态障碍物，为实时避障提供输入。当前感知模块的核心挑战包括传感器噪声抑制、恶劣环境（如沙尘、低光照）下的感知鲁棒性、动态场景下的实时检测等，例如祝融号火星车在火星沙尘暴期间，视觉传感器的有效探测距离从常规的50m下降至10m以内，此时需要融合雷达与视觉的多传感器感知结果保证导航安全性。

规划模块是机器人的“决策大脑”，负责将任务目标转化为可执行的运动序列，其输入是感知模块提供的环境与机器人状态信息，输出是控制模块可执行的轨迹或动作指令。根据规划层级的不同，机器人规划可分为全局路径规划、局部轨迹规划、任务序列规划三个层级：全局路径规划基于已知或部分已知的全局地图，求解从起点到目标点的无碰撞最优路径，是移动机器人导航的基础，常用的算法包括Dijkstra算法、A*算法、D* Lite算法等：其中A*算法通过引入启发函数（通常为当前位置到目标点的欧氏距离）加速搜索过程，在栅格地图上的搜索效率比Dijkstra算法高1~2个数量级，是仓储机器人、扫地机器人全局路径规划的主流方案；D* Lite算法则针对动态环境优化，当感知到新的障碍物时无需重新全局搜索，仅需局部修正路径，计算效率比A*算法高30%以上，适合动态场景下的配送机器人使用。局部轨迹规划则基于实时感知的动态环境信息，生成满足动力学约束、平滑无碰撞的局部轨迹，常用的算法包括动态窗口法（DWA）、时间弹性带（TEB）算法等：DWA算法通过在速度空间内采样候选速度，选择满足避障约束、朝向目标点的最优速度指令，计算周期可低至10ms，适合高速移动的差速机器人；TEB算法则引入了时间维度，将轨迹表示为时间-空间的参数化曲线，可同时优化路径长度、轨迹平滑度、避障距离等多个目标，适合需要在复杂动态环境中平稳运动的服务机器人。任务序列规划则负责将高层任务目标（如“把桌子上的杯子拿到厨房”）分解为一系列可执行的低层动作（如“识别杯子→移动到桌子旁→伸臂抓取杯子→移动到厨房→放下杯子”），传统方法基于PDDL（规划领域定义语言）建模任务逻辑，通过状态空间搜索求解最优动作序列；当前随着多模态大模型的发展，基于视觉-语言-动作（VLA）模型的端到端任务规划成为新的研究热点，Figure 01人形机器人即搭载了VLA模型，可直接理解自然语言指令，自主生成完成任务所需的动作序列，无需人工预先定义任务逻辑。

控制模块是机器人的“执行肢体”，负责驱动机器人的执行器（电机、舵机、液压缸等）精确跟踪规划模块生成的轨迹，同时保证系统的稳定性与安全性。根据交互场景的不同，机器人控制可分为位置控制、力控制、混合控制三类：位置控制是最基础的控制模式，通过反馈机器人末端或关节的位置/速度误差，生成控制指令驱动机器人跟踪目标轨迹，工业机器人的重复定位精度可达±0.03mm，核心依赖于高带宽的关节位置伺服控制，通常采用PID控制、自抗扰控制（ADRC）或模型预测控制（MPC）算法实现；力控制则用于机器人需要与环境接触的场景（如装配、打磨、手术），通过反馈末端执行器与环境的接触力，控制机器人的输出力满足任务要求，达芬奇SP手术机器人即搭载了力反馈控制模块，可实时检测手术器械与组织的接触力，当接触力超过安全阈值时自动停止运动，避免损伤患者组织；混合控制则结合位置控制与力控制的优势，在需要高精度位置跟踪的自由度采用位置控制，在需要与环境接触的自由度采用力控制，例如机器人轴孔装配任务中，沿轴的方向采用力控制保证零件顺利插入，垂直轴的方向采用位置控制保证装配精度，可大幅提升装配成功率。

三大模块并非孤立运行，而是通过闭环反馈形成有机整体：感知模块为规划与控制提供环境与状态信息，规划模块为控制提供目标轨迹，控制模块的执行结果又通过传感器反馈给感知模块，形成“感知-决策-执行-反馈”的完整闭环。三大模块的性能存在紧密的权衡关系：感知精度越高、环境建模越精细，规划模块的输出轨迹质量越高，但对计算资源的要求也越高；控制器的带宽越高、模型越精确，轨迹跟踪精度越高，但对执行器与传感反馈的实时性要求也越高。例如工业机器人由于工作环境结构化程度高、任务固定，通常采用高精度离线编程的方式预先规划轨迹，感知模块仅需简单的碰撞检测功能，控制模块采用高带宽伺服保证重复定位精度，整体成本较高但可靠性极强；而服务机器人面对的是非结构化的动态环境，感知模块需要实现复杂的语义感知与动态建图，规划模块需要实时响应环境变化，控制模块则需要兼顾精度与安全性，整体成本较低但技术复杂度更高。当前学术界也在探索端到端的机器人智能方法，即不显式拆分感知、规划、控制模块，而是通过统一的多模态神经网络直接映射传感器输入到执行器输出，波士顿动力的Atlas人形机器人即采用该类方法实现了动态跑酷、后空翻等复杂动作，但该类方法的可解释性差、鲁棒性不足，目前仍难以替代模块化的技术路线在工业场景的规模化应用。

1.3 中级读者核心预备知识回顾

本章的预备知识面向具备机器人学基础概念、希望深入理解运动智能原理的中级读者，涵盖刚体运动学描述、坐标系变换、线性代数核心运算、概率论基础结论四个部分，所有内容均为后续章节的理论基础。

1.3.1 刚体运动学描述

刚体是机器人学中最常用的简化模型，指内部任意两点之间的距离保持不变的物体，机器人的连杆、末端执行器、移动机器人的底盘均可简化为刚体处理。刚体的运动可分为平动与转动两部分：平动描述刚体上任意一点的位置变化，通常用3维位置向量$p = [x, y, z]^T$表示；转动描述刚体绕任意轴的旋转变化，常用的描述方法包括旋转矩阵、欧拉角、四元数三类。

旋转矩阵是描述转动的最直观方式，为3×3的正交矩阵，满足正交性约束$R^T R = I$与行列式为1的约束$\det(R) = 1$，其中$I$为3×3单位矩阵。旋转矩阵的物理意义是将向量从物体坐标系变换到世界坐标系的线性变换，例如绕世界坐标系Z轴旋转θ角的旋转矩阵为： $$R_z(\theta) = \begin{bmatrix} \cos\theta & -\sin\theta & 0 \\ \sin\theta & \cos\theta & 0 \\ 0 & 0 & 1 \end{bmatrix} \tag{1.1}$$ 旋转矩阵的复合操作对应矩阵乘法，若刚体先绕X轴旋转α角、再绕Y轴旋转β角，则总旋转矩阵为$R = R_y(\beta) R_x(\alpha)$，注意旋转顺序为从右向左，符合机器人运动学中“后发生的变换左乘”的约定。旋转矩阵的优势是几何意义直观、复合操作简单，但存在冗余存储问题：9个元素中仅有3个独立自由度，且正交约束容易在数值计算中丢失，因此通常仅用于矩阵运算与点云配准等场景。

欧拉角是另一种常用的转动描述方式，通过三个绕不同坐标轴旋转的